Saat kekeringan ekstrim dan banjir mendatangkan malapetaka di ladang petani di seluruh dunia, ilmuwan mungkin telah menemukan solusi yang memungkinkan produsen menavigasi dampak perubahan iklim.
Kemitraan antara pemerintah federal Kolombia, sebuah organisasi pertanian nasional dan ilmuwan di Pusat Internasional untuk Pertanian Tropis (CIAT) membuat studi berbasis data yang membantu petani di wilayah Cordoba negara itu menumbuhkan hasil panen dari rata-rata 3,5 ton per hektar menjadi lebih dari 6 ton per hektar.
Inisiatif ini menggunakan algoritme pembelajaran mesin untuk menganalisis data cuaca, serta data tanaman yang dikumpulkan dari petani lokal. Studi empat tahun, dipublikasikan di jurnal Ketahanan Pangan Global , terinspirasi oleh sejumlah petani jagung skala kecil di daerah tersebut yang berjuang dengan bencana terkait cuaca yang terus-menerus memusnahkan tanaman mereka.
Peneliti mengumpulkan data dari berbagai sumber, termasuk petani skala kecil. Menggunakan kecerdasan buatan dan pendapat ahli, mereka mampu menentukan bagaimana variasi cuaca, tanah dan praktik pengelolaan berdampak pada hasil jagung. Informasi ini kemudian digunakan untuk membuat pedoman yang membantu petani jagung berproduksi tinggi, hasil yang stabil.
“Dengan institusi, para ahli dan petani bekerja sama, kami mengatasi kesulitan dan mencapai tujuan kami, ” kata Daniel Jimenez, penulis utama studi dan ilmuwan data di CIAT, dalam rilis berita.
Selain membantu petani mengurangi dampak cuaca yang tidak menentu, program ini membantu mengurangi biaya pupuk petani.
Para ilmuwan yakin bahwa hasilnya memberikan landasan untuk proyek masa depan yang menggabungkan teknologi dan pertanian. Tetapi Jimenez mengatakan bahwa peluang akan tergantung pada apakah sektor swasta terlibat dalam mengembangkan sistem penangkapan ikan yang berkelanjutan, menganalisis dan mendistribusikan informasi.
“Di masa depan kami dapat membayangkan setiap bidang dicirikan dan dipantau secara hati-hati, mengubah lanskap menjadi serangkaian eksperimen yang menyediakan data yang dapat diinterpretasikan oleh pembelajaran mesin untuk membantu petani mengelola tanaman mereka dengan lebih baik, " dia berkata.
